金融機関が住宅ローン審査モデルを開発しています。モデルのトレーニングを開始する前に、データセット内の性別属性に起因するバイアスを定量的に測定し、レポートとして出力する必要があります。最も適切なアプローチはどれですか？
選択肢B（正解）の SageMaker Clarify は、トレーニング前（データバイアス）とトレーニング後（モデルバイアス）の両段階でバイアスを定量分析する専用サービスです。CI（クラス不均衡：属性グループごとのサンプル数のバランス）やDPL（差分ポジティブ比率：属性グループ間でラベルが陽性になる割合の差）などの指標を計算し、定量的なレポートを生成します。 選択肢AのAmazon SageMaker Data Wranglerはデータ変換・前処理が主目的であり、トレーニング前バイアス分析には不適切です。 選択肢CのAmazon SageMaker Debuggerはトレーニング中のデバッグに使用するため、トレーニング前バイアス分析には不適切です。 選択肢DのAmazon SageMaker Model Monitorは本番稼働中の監視に使用するため、トレーニング前バイアス分析には不適切です。